본 논문은 언어 기반 조작을 위한 행동 복제(BC)의 성능 향상을 목표로, 연속적인 실행의 일관성과 세밀한 의미론적 정합성을 보장하는 새로운 BC 프레임워크인 CCoL(Continuous vision-language-action Co-Learning with Semantic-Physical Alignment)을 제안한다. CCoL은 비전, 언어, 내부 감각 입력 간의 지속적인 공동 학습을 통해 견고하고 부드러운 실행 궤적을 생성하며, 양방향 교차 주의 메커니즘을 통해 언어 의미론을 시각 운동 표현에 연결하여 의미론적-물리적 불일치 문제를 해결한다. 실험 결과, CCoL은 다양한 시뮬레이션 환경에서 기존 방법 대비 평균 8.0%의 성능 향상을 보였으며, 실제 로봇 환경에서도 일반화 성능을 입증했다.
